所屬科目：iPAS◆AI應用規劃師◆初級
1 下列何者最適合訓練電腦下圍棋、自動駕駛等動態重複地互動的問題？ (A) "監督式學習 (Supervised Learning)" (B) "非監督式學習 (Unsupervised Learning)" (C) 半監督式學習 (Semi- supervised Learning) (D) "強化學習 (Reinforcement Learning)"
2 關於 AI 的定義，下列敘述何者較為正確？ (A) AI 僅限於深度學習技術 (B) AI 包括各種技術，例如機器學習、專家系統等 (C) AI 系統只能在學術研究中應用 (D) AI 無法應用於金融領域
3 為了提升 AI 系統的透明性，下列哪種措施是適當的？ (A) 不需對外揭露任何有關 AI系統的資訊 (B) 規劃透過發布報告、技術文件或網站揭露 AI 系統的相關資訊 (C) 僅對內部員工進行透明性說明 (D) 將所有 AI 系統資訊保密
4 下列何者不適合做為資料分布估計？ (A) "直方圖 (Histogram)" (B) "散布圖 (Scatter plot)" (C) "雷達圖 (Radar chart)" (D) "四分位數 (Quartile)"
5 "K-Means 聚類算法中，K 代表什麼？" (A) 數據集中特徵的數量 (B) 數據集中樣本的數量 (C) 所需劃分的群組數量 (D) 迭代次數
6 深度學習模型中，下列哪一項通常用來降低過擬合問題？ (A) 增加訓練數據量 (B) 增加模型的複雜度 (C) 增加學習率 (D) 增加正則化項
7 生成式人工智慧最核心的能力是什麼？ (A) 從大量數據中學習 (B) 執行複雜的數學計算 (C) 生成新的、原創的內容 (D) 控制機器人
8 下列哪項技術是生成式 AI 發展的重要基礎？ (A) 決策樹 (B) 神經網路 (C) 線性迴歸 (D) 貝氏分類
9 關於 AI，下列敘述何者較為正確？ (A) AI 僅限於深度學習技術 (B) AI 包括各種技術，例如機器學習、專家系統等 (C) AI 系統只能在學術研究中應用 (D) AI 無法應用於金融領域
10 在 AI 治理中，下列何者是國際合作的重要性？ (A) 統一 AI 發展標準 (B) 避免 AI 技術的濫用 (C) 促進 AI 技術的轉移 (D) 以上皆是
11 關於 K 平均法(K- means)，下列敘述何者「不」正確？ (A) 希望找出 k 個互不交集的群集 (B) 不同的起始群集中心，可能會造成不同的分群結果 (C) "容易受雜訊與離群值(Outlier)影響其群集中心" (D) 可以處理類別型資料
12 在品質管理中，若一產品的生產過程中標準差顯著偏大，通常意味著什麼？ (A) 資料點高度集中，產品質量穩定 (B) 生產過程波動大，產品品質不穩定 (C) 資料無法反映產品實際狀況 (D) 中位數數值高，品質良率較高
13 下列何者「並非」K 平均數(k-means)集群法的特點？(A) 原理相對其他集群法較為複雜 (B) 可結合其他方法，使用上較為彈性 (C) 在特定情況下，能將集群的任務處理得足夠好 (D) 不適合非球形、數據密度變化大或有離群數據的集群問題
14 "驗證性資料分析(Confirmatory Data Analysis, CDA)與探索性資料分析 (Exploratory Data Analysis, EDA)相比，主要著重於下列哪一項？" (A) 對資料進行初步描述和視覺化 (B) 驗證先前生成的假設並進行深入挖掘 (C) 排除資料中的極端值以提高準確性 (D) 探索數據中潛在的模式和異常
15 以下哪種情況下，使用中位數來描述資料的集中趨勢最為合適？ (A) 一組考試成績，大部分學生分數集中在 80 分左右 (B) 一組房屋價格數據，其中包含少數豪宅的極端高價 (C) 一組產品銷售量數據，每個產品的銷量差異不大 (D) 一組學生身高數據，呈現出常態分布
16 一組數據中，如果平均數小於中位數，那麼這組數據的分布可能是下列哪一種? (A) 對稱分布 (B) 正偏態分布 (C) 負偏態分布 (D) 無法判斷
17 當我們進行一次假設檢定，得到的 p 值為 0.03，顯著性水準設定為 0.05，以下哪一個敘述是正確的？(A) 我們有 97%的信心拒絕虛無假設(B) 我們有 95%的信心水準下拒絕虛無假設(C) 我們無法拒絕虛無假設(D) 我們犯型一錯誤的機率有 5%
18 一組資料中，若平均數大於中位數，則這組資料的分布可能是下列哪一種？ (A) 對稱分布 (B) 負偏態分布 (C) 正偏態分布 (D) 無法判斷
19 下列哪一個敘述關於四分位距(IQR)是正確的？ (A) 四分位距會受到極端值的影響 (B) 四分位距代表資料中所有數據的分散程度 (C) 四分位距是第三四分位數與第一四分位數的差 (D) 四分位距與平均數一樣，容易受到極端值影響
20 以下哪一種情況最適合用眾數來描述資料的集中趨勢？ (A) 一組學生身高資料，呈現出常態分布 (B) 一組產品銷售量資料，其中一種產品的銷量遠高於其他產品 (C) "一組考試成績資料，大部分學生的分數集中在80 分左右" (D) 一組房屋價格資料，其中包含少數豪宅的極端高價
21 機器學習的三個核心要素是什麼？ (A) 數據、模型、損失函數 (B) 訓練集、測試集、驗證集 (C) 特徵工程、優化演算法、正則化 (D) 超參數調整、模型選擇、數據處理
22 下列哪一項屬於監督式學習的特點？ (A) 數據集中包含標記訊息 (B) 僅需探索數據內部的結構 (C) 使用代理與環境互動進行學習 (D) 不需要驗證集來調整參數
23 機器學習模型過擬合的主要原因是什麼？ (A) 模型的複雜度不足 (B) 訓練數據樣本過多 (C) 模型過度學習數據中的雜訊 (D) 使用過於簡單的損失函數
24 交叉驗證的主要目的是什麼？ (A) 提高模型的訓練速度 (B) 驗證數據是否線性可分 (C) 減少模型的過擬合風險 (D) 測試模型的容錯能力
25 機器學習的梯度下降演算法主要用於什 麼？ (A) 減少模型的計算複雜度 (B) 優化模型參數以最小化損失函數 (C) 減少數據中的雜訊干擾 (D) 增強數據特徵的表示能力
26 線性迴歸模型最適合解決哪種類型的問 題？ (A) 圖像分類 (B) 銷售額預測 (C) 聚類分析 (D) 遊戲策略學習
27 決策樹的最大優勢是什麼？ (A) 適合大規模數據的訓練 (B) 具有良好的可解釋性 (C) 不需要進行數據標準化 (D) 適用於圖像生成任務
28 神經網路與傳統機器學習模型的主要區別是什麼？ (A) 神經網路無法處理非線性數據 (B) 神經網路透過多層結構學習複雜特徵 (C) 神經網路只適用於迴歸問題 (D) 神經網路不需要大量數據支持
29 下列關於生成對抗網路(GAN)的描述正確的是哪一項？ (A) GAN 僅用於分類問題 (B) GAN 由生成器和鑑別器組成 (C) GAN 的結果始終高度可解釋 (D) GAN 不能生成高品質的數據
30 隨機森林(Random Forest)改進了單一決策樹的缺陷，主要透過什麼方法實現？ (A) 使用核函數映射高維空間 (B) 集成多棵隨機生成的決策樹並投票 (C) 增加模型參數以減少偏差 (D) 採用生成模型替代分類器
31 "下列何者為鑑別式 AI的主要目標？" (A) 學習數據的生成過程 (B) 生成類似真實數據的新樣本 (C) 分類或迴歸數據 (D) 創建多樣化的數據分佈
32 "下列何者屬於生成式 AI 使用之模型？" (A) "支援向量機 (SVM)" (B) "邏輯迴歸 (Logistic Regression)" (C) 生成對抗網路(GAN) (D) "隨機森林 (Random Forest)"
33 關於目前生成式 AI 的主要應用，不包括下列哪一項？ (A) 創建合成數據樣本 (B) 模擬數據分佈 (C) 分類醫學影像 (D) 生成文本
34 生成對抗網路(GAN)的兩個核心組件是什麼？ (A) 編碼器與解碼器 (B) 分類器與生成器 (C) 生成器與鑑別器 (D) 訓練器與推斷器
35 關於鑑別式 AI，下列敘述何者較為正確？(A) "學習數據的聯合概率 P (x,y)" (B) 專注於數據的分類或迴歸任務 (C) 主要用於生成新數據 (D) 適合處理無標記數據
36 在醫學影像中，生成式 AI 和鑑別式 AI 的整合應用主要目的是什麼？ (A) 減少標記數據需求 (B) 自動生成診斷結論 (C) 提高診斷準確性和數據多樣性 (D) 完全取代醫生的判斷
37 下列哪項是生成式 AI支援鑑別式 AI 的典型案例？ (A) 模擬交通場景以訓練自動駕駛模型 (B) 使用 CNN 對腫瘤分類 (C) 使用 SVM 分析風險 (D) 創建更好的分類演算法
38 下列哪種方法能解決生成式模型的訓練不穩定性問題？ (A) 使用更大的數據集 (B) 採用 Waserstein GAN(WGAN) (C) 提高硬體效能 (D) 增加模型層數
39 "在整合應用中，生成式 AI 提供的數據增強主要解決了哪個問題？" (A) 模型過擬合 (B) 數據稀缺或不平衡 (C) 訓練過程的時間延遲 (D) 數據隱私問題
40 未來整合鑑別式 AI 和生成式 AI 的關鍵方向是什麼？ (A) 增加生成模型的參數數量 (B) 開發更高效的整合框架 (C) 減少對標記數據的依賴 (D) 將兩者獨立使用
阿摩線上測驗
登入
阿摩線上測驗
登入